[发明专利]一种计算迁移方法、计算终端设备及边缘服务器设备

说明书

本发明公开了一种计算迁移方法、计算终端设备及边缘服务器设备，所述方法包括：计算终端接收到运行移动应用程序的用户提交的一个计算任务，读取任务信息；所述计算终端根据所述终端的能量大小确定所述任务的本地计算延迟、任务上传延迟和无线传输参数以及所述任务在边缘服务器的计算延迟，则所述任务的迁移计算延迟就是所述任务上传延迟和边缘服务器的计算延迟之和，然后判断本地计算延迟是否不超过迁移计算延迟：是，则在本地终端对所述任务进行计算处理；否，则按所述无线传输参数将任务发送至边缘服务器进行计算处理。这种方法能够最大化利用边缘计算系统的能量，减少计算任务的计算延迟。

技术领域

本发明属于通信领域，尤其涉及一种计算迁移方法、计算终端设备及边缘服务器设备。

背景技术

随着5G商用的推进，以及大视频、大数据、物联网等业务的蓬勃发展，移动/物联网终端呈爆炸式增长，物联网终端、移动终端在网络边缘产生了巨量的数据。为了获取数据的最大价值，需要对它们进行快速计算处理。尤其，许多数据是来自自动驾驶、云化虚拟现实等对延迟要求非常严格的应用。尽管云计算技术在为大数据应用提供高性能计算服务方面取得了瞩目的成功，然而云计算范式却难以满足物联网应用的超低延迟要求。原因在于，云计算中心往往远离数据源，将海量的数据通过网络传输给远程的云计算数据中心的方式，不仅消耗大量的网络带宽资源和传输能量，还会使数据经历较长的网络延迟，无法满足应用的超低延迟要求。

近几年来，5G+边缘计算已被认为是应对“海量数据、超低延迟”的有效范式。通过在网络边缘部署计算节点，将物联网终端、移动终端产生的海量计算任务迁移到网络边缘计算，可以减少网络传输延迟和网络设备能耗，大大提高物联网应用的用户体验。

边缘计算的关键是考虑何时、以何种方式将计算任务迁移到哪个计算节点，也即计算迁移问题。近年来，有关学者对计算迁移方法进行了积极的研究。Yousefpour等人提出了延迟最小化资源配置策略，该策略考虑了边缘节点的计算能力和数据流的排队延迟；Guo等人通过渐近合作和基于博弈论的合作这两种计算迁移技术来优化系统资源；Ni等人认为价格也是计算迁移和资源配置时需考虑的问题，因此提出一种基于价格时间Petri网络的资源配置策略来降低数据流的响应时间和最大化资源利用率及成本性能。Le等人提出了一种面向adhoc移动云环境的深度强化学习方法，目的是最大化用户任务执行率。上述计算迁移方法主要是通过优化配置远程云计算服务器与网络边缘计算节点之间或者分布式网络边缘节点之间的计算任务的方式来减少网络延迟，很少考虑终端自身所具有的计算能力，也没有考虑计算终端的能量状态对计算迁移的影响。随着物联网/移动终端计算能力的提升，物联网/移动终端也可以作为一个计算终端来执行计算任务。因此，一个边缘计算系统可以由多个计算终端和边缘服务器节点构成。然而，计算终端、边缘服务器的计算能力异构性、计算终端的能量受限性、上行无线信道资源的有限性和用户间互干扰以及物联网应用的数据海量性、高动态性使得端-边合作的计算迁移面临严峻的技术挑战。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷(不足)，提供一种计算迁移方法、计算终端设备及边缘服务器设备，能够快速判断执行计算任务的计算节点，并将计算任务迁移到计算延迟较小的计算节点中进行计算，从而提高计算终端的能量效率与计算资源利用率。

本发明采取的技术方案提供一种计算迁移方法，包括如下步骤：

步骤S101：计算终端接收到运行移动应用程序的用户提交的至少一个计算任务，读取所述计算任务的信息，所述信息包括任务类型、任务大小和任务计算量；

步骤S102：计算终端根据所述计算终端的能量大小确定所述计算任务的本地计算延迟；

步骤S103：计算终端根据所述计算终端的能量大小确定所述计算任务的任务上传延迟和无线传输参数；

步骤S104：计算终端确定所述计算任务在边缘服务器的计算延迟；